Diss. ETH No. 14594

Fault Diagnosis for Heat Pump Systems

David Zogg

2002


Abstract

For mitigating global warming, the energy consumption and CO2 emission of heating, refrigerating, and air-conditioning systems has to be minimized. Therefore, the COP (coefficient of performance) of heat pumps also has to be at a maximum during operation. With the fault diagnosis methods developed, a degradation of the performance is detected early, and the exact reasons for the degradation are diagnosed. Two diagnosis systems are developed for operational monitoring of heat pump systems. They also allow a condition-oriented maintenance, which reduces the service costs. The fault diagnosis systems are tested by data from different heat pump applications, such as measured data of a residential building, data of a heat pump simulation model, and data of two test benches.

Since the additional hardware costs should be mininmal, the first fault diagnosis system only requires a low number of sensors. During operation, the parameters of a dynamic gray-box model are sequentially re-identified and then the faults are classified from the parameters. For fault classification, statistical techniques as well as techniques from fuzzy logic and neural networks are used. Before operation, the diagnosis system is trained by experimental data for known fault cases. During the training phase, clusters are built in the parameter space for each fault case. With a low number of sensors, a large number of fault cases is classified with a high classification quality.

The second diagnosis system is designed for a fast commercial realization because of a simple structure and a very small training effort. During operation, the parameters of a steady-state physical model are sequentially re-identified. The faults then are interpreted by the service technician or the user, which is straightforward because of the physical meaning of the parameters. Before operation, the diagnosis system is initialized by nominal (fault-free) data.

For testing the diagnosis systems, a detailed physical heat pump simulation model is developed, which covers all operating modes. Various fault cases are simulated by changing the corresponding model parameters. In addition, a new test bench has been built which contains a modified commercial heat pump. With the test bench, data is generated for several fault cases.

The fault diagnosis systems are also applicable to larger heating, refrigerating, or air-conditioning systems.


Zusammenfassung

Um der globalen Erwärmung entgegenzuwirken, muss der Energieverbrauch und die CO2-Emission von Heiz-, Kühl- und Klimatisierungsanlagen minimiert werden. Deshalb sollte auch die Leistungsziffer (COP, coefficient of performance) von Wärmepumpen während dem Betrieb maximal sein. Mit den entwickelten Fehlerdiagnosemethoden kann eine Abnahme der Leistungsziffer frühzeitig detektiert werden, und die genauen Gründe der Abnahme können diagnostiziert werden. Für die Betriebsüberwachung von Wärmepumpensystemen wurden zwei Diagnosemethoden entwickelt, welche auch eine zustandsorientierten Instandhaltung mit tieferen Servicekosten ermöglichen. Sie wurden mit Messdaten eines Einfamilienhauses, simulierten Daten eines Wärmepumpen-Modelles und Messdaten von zwei Prüfständen getestet.

Um die zusätzlichen Hardware-Kosten minimal zu halten, benötigt das erste Überwachungssystem nur wenige Sensoren. Während dem Betrieb werden die Parameter eines dynamischen "Gray-Box"-Modelles laufend identifiziert und daraus die Fehler klassifiziert. Für die Fehlerklassifikation werden sowohl statistische Methoden als auch Methoden der "Fuzzy-Logic" und der neuronalen Netze verwendet. Vor dem Betrieb wird das Diagnosesystem mit experimentellen Daten für bekannte Fehlerfälle trainiert. Während der Trainingsphase werden im Parameterraum "Cluster" gebildet für jeden Fehlerfall. Mit einer geringen Anzahl Sensoren kann eine grosse Anzahl von Fehlerfällen mit einer hohen Klassifikationsgüte erkannt werden.

Das zweite Diagnosesystem ist wegen seiner einfachen Struktur und dem sehr geringen Trainingsaufwand für eine schnelle industrielle Umsetzung bestimmt. Während dem Betrieb werden die Parameter eines stationären physikalischen Modelles laufend identifiziert. Daraus können die Fehler durch den Servicetechniker oder Benutzer interpretiert werden. Aufgrund der physikalischen Bedeutung der Parameter ist dies auf einfache Art und Weise möglich. Vor dem Betrieb wird das Diagnosesystem mit Nominaldaten initialisiert (für den fehlerfreien Fall).

Um die Diagnosesysteme zu testen, wurde ein detailliertes physikalisches Wärmepumpen-Simulationsmodell entwickelt, welches alle Betriebsmodi abdeckt. Durch Verändern der entsprechenden Parameter wurden zahlreiche Fehlerfälle simuliert. Zusätzlich wurde ein neuer Prüfstand entwickelt, welcher eine modifizierte industrielle Wärmepumpe enthält. Damit wurden ebenfalls Datensätze für verschiedene Fehlerfälle generiert.

(Dissertation in englischer Sprache.)


Last updated: November 22, 2002

!!! Dieses Dokument stammt aus dem ETH Web-Archiv und wird nicht mehr gepflegt !!!
!!! This document is stored in the ETH Web archive and is no longer maintained !!!